python3绘图示例6-2（基于matplotlib，绘图流程介绍及设置等）

#!/usr/bin/env python# -*- coding:utf-8 -*-

import os

import numpy as npimport matplotlib as mpltfrom matplotlib import pyplot as pltfrom matplotlib.ticker import *

# 整个图像为1个figure对象，figure对象包含多个Axes对象，每个Axes对象都拥有自己坐标轴的绘图区域# 调用figure时，则调用plot，然后plot调用gca，获取axes绘图区域# 然后gca调用gcf，获取当前figure，如为空则自动生成 figure，相当于调用 subplots# title-图像标题 Axis-坐标轴 Axis Label-坐标轴标注 Tick-刻度线 Tick Label-刻度注释# 关系如下# fig---ax#          ---title#          ---data#          ---xaxis#                 ---tick#                         ---tick label#                 ---label#          ---yaxis#                 ---tick#                         ---tick label#                 ---label

# matplotlib.get_config() 获取当前配置# 用户matplotlib配置文件路径path=mplt.get_configdir()print(path)

# 当前matplotlib配置文件路径path2=mplt.matplotlib_fname()print(path2)

# 系统配置文件存放路径path3=os.getcwd()print(path3)

# 读取配置文件内容p=mplt.rcParamsprint(p)

# 中文乱码处理 正常显示中文标签 及正负号plt.rcParams[‘font.sans-serif‘]=[‘Microsoft YaHei‘]plt.rcParams[‘axes.unicode_minus‘]=False

# 全局关闭# plt.rcParams.update({‘axes.formatter.useoffset‘:False})# 画图流程：创建Figure对象->1个或多个Axes或Subplot对象->调用Axies创建各类Artists来画图

# 这里使用的是matplotlib.pyplot 去画图# 图像 指整个窗口内容 子图值图像中的各个图# 图1# 步骤1-创建一个 2*2 的点图像 分辨率为 80

# 参数说明# 图像数量      num=None,  # autoincrement if None, else integer from 1-N# 图像的长和宽  figsize=None,  # defaults to rc figure.figsize# 分辨率       dpi=None,  # defaults to rc figure.dpi# 区域背景色    facecolor=None,  # defaults to rc figure.facecolor# 区域边缘色    edgecolor=None,  # defaults to rc figure.edgecolor# 是否绘制图像边缘 # frameon=True,# FigureClass=Figure,# clear=False,# **kwargs# f,axs=plt.subplots(2,2,figsize=(15,15))fig=plt.figure(20*20,dpi=80)

# 步骤2-设置子图位置 几行几列的网格 第1个参数：1行 第2个参数：1列 第3个参数：图形在网格的位置

# 多个子图组成大图# fig=plt.figure()->plt.subplot()->plot.plot()->plot.show()

# 子图悬浮在大图上# fig=plt.figure()->ax=fig.add_axes(位置列表)或ax=fig.axes()->ax.plot()->plt.show()# fig=plt.figure()->fig.add_subplot()->p=plt.Rectangle()多个->fig.add_subplot().add_patch(p)->fig.canvas.draw()->plot.show()

# plt.subplot(1,1,1)plt.subplot(111)

# 步骤3-设置线图属性-自定义x y轴# 坐标轴对象 axes 可放置在图像的任意位置# 记号位置设置 Tick Locators  记号格式化操作 Tick Formatters

# 方式1 生成数据的方法 定义新刻度的范围和个数x=np.linspace(-np.pi,np.pi,256,endpoint=True)c,s=np.cos(x),np.sin(x)

# 绘制曲线 颜色 线宽 线的风格 大图对应的小图标签# 线的风格 实线 - 破折线 -- 点线 -. 虚线 : 不显示 None ‘‘ ‘ ‘

# 线条标记# 圆圈 o 小菱形 d 菱形 D# 正方形 s 五边形 p 六边形1 h 六边形2 H 八边形 8# 水平线 _ 竖线 | 加号 + 点 . 像素 ,  星号 * x X 无 None ‘‘ ‘ ‘# 1角朝上三角形 ^ 1角朝下三角形 v 1角朝左三角形 < 1角朝右三角形 >

# 线的颜色 红 r 黄 y 白 w 绿 g 蓝 b 青 c 洋红 m 黑 k 支持16进制‘#eeefff‘或3元色组(0.3,0.3,0.3)# 颜色 线宽 线的风格（颜色+线型） 大图对应的小图标签 可用$$包裹，如$sin(x)$plt.plot(x,c,color=‘blue‘,linewidth=2.5,linestyle=‘-‘,label=‘cosine‘)plt.plot(x,s,color=‘red‘,linewidth=2.5,linestyle=‘-‘,label=‘sine‘)

# 属性设置使用set_属性 pyplot.setp()函数 属性获取使用  get_属性 pyplot.getp()

# 方式2# lines,=plt.plot(1,6,‘-‘)# lines.set_antialiased(False)

# 坐标取值范围# plt.axis([xmin,xmax,ymin,ymax])

# 步骤4-1-设置x轴 y轴范围# 获得当前x轴 y轴范围值xmin,xmax=plt.xlim()ymin,ymax=plt.ylim()

# 横轴的上下限plt.xlim(xmin*1.5,xmax*1.5)

# 纵轴的上下限plt.ylim(ymin*1.5,ymax*1.5)

# 步骤4-2-设置刻度 刻度位置 间隔 格式ax=plt.gca()

# 关闭简略的间隔标注ax.get_xaxis().get_major_formatter().set_useOffset(False)

# 设置横轴标记号# py.xticks(np.linspace(-4,4,9,endpoint=True))# py.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi])

# 设置横轴标号标签plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r‘$-\pi$‘,r‘$-\pi/2$‘,r‘$0$‘,r‘$+\pi/2$‘,r‘$+\pi$‘])

# 设置纵轴标记号# plt.yticks(np.linspace(-1,1,5,endpoint=True))# plt.yticks([-1,0,+1])

# 设置纵轴标号标签plt.yticks([-1,0,+1],[r‘$-1$‘,r‘$0$‘,r‘$+1$‘])

# 返回一个fig图像 和 一个 ax的 array列表# fig,ax=plt.subplots(2,2)# ax=plt.gca()

# 步骤4-3-设置主 次刻度 及注释 2.5的倍数 5的倍数 0.5的倍数 1的倍数xmin=MultipleLocator(2.5)xmax=MultipleLocator(5)xformat=FormatStrFormatter(‘%5.1f‘)

ymin=MultipleLocator(0.5)ymax=MultipleLocator(1)yformat=FormatStrFormatter(‘%1.1f‘)

# x轴 主刻度 次刻度ax.xaxis.set_major_locator(xmax)ax.xaxis.set_major_formatter(xformat)ax.xaxis.set_minor_locator(xmin)

# y轴 主刻度 次刻度ax.yaxis.set_major_locator(ymax)ax.yaxis.set_major_formatter(yformat)ax.yaxis.set_minor_locator(ymin)

# 网格刻度类型which major minor both# 绘制哪个网格线xaxis yaxis x y bothax.xaxis.grid(True, which=‘major‘)ax.yaxis.grid(True,which=‘minor‘)

# 步骤5-移动坐标 剩下下面和左边的坐标-看实际需要配置# 设置对应的边框是否显示 及边框颜色 边框位置：left right bottom top noneax.spines[‘right‘].set_color(‘none‘)ax.spines[‘top‘].set_color(‘none‘)

# x轴 设置刻度 top bottom both default none 位置  data axes outwardax.xaxis.set_ticks_position(‘bottom‘)ax.spines[‘bottom‘].set_position((‘data‘,0))

# y轴ax.yaxis.set_ticks_position(‘left‘)ax.spines[‘left‘].set_position((‘data‘,0))

# 图像上的数据显示更清晰for label in ax.get_xticklabels() + ax.get_yticklabels():    label.set_fontsize(16)    label.set_bbox(dict(facecolor=‘white‘, edgecolor=‘None‘, alpha=0.65))

# 步骤6-增加图例plt.legend(loc=‘upper left‘)

# 设置图像外侧与图像间隔距离plt.subplots_adjust(left=0.2, bottom=0.2, right=0.8, top=0.8,hspace=0.2,wspace=0.3)

# 图像标题plt.title(‘图1‘)

# 显示图像plt.show()

原文地址：https://www.cnblogs.com/NiceTime/p/10129128.html